L’intelligence artificielle (IA) peut être appliquée dans de nombreuses branches de l’industrie afin de réduire les dépenses et d’améliorer les processus. Cette intelligence artificielle industrielle, outre les algorithmes intelligents et les concepts de Big Data trouvés dans l’espace virtuel des systèmes informatiques, comprend également les appareils physiques eux-mêmes. Les données doivent être obtenues par des capteurs. Les commandes doivent être envoyées aux actionneurs et aux systèmes de contrôle. Toute cette chaîne et ce flux d’informations passent à l’aide d’une connexion sans fil ou filaire à travers des environnements de conditions extrêmes. Il y a un long chemin à parcourir des points de production dans les usines, les mines ou les plates-formes de forage aux entrepôts de Big Data et leurs puissantes installations informatiques dans les centres de traitement et les salles de contrôle.
Les installations de production industrielle, les systèmes de transport physique et les canaux de distribution sont complexes et souvent un méli-mélo d’appareils de divers fabricants. Étant donné que l’automatisation a parcouru un long chemin, il existe un grand nombre de systèmes de contrôle et de gestion numériques. Actuellement, dans les branches de l’industrie, vous pouvez trouver des réseaux de transmission de données, des systèmes SCADA (supervision, contrôle et acquisition de données), des contrôleurs logiques programmables (PLC) et des systèmes de chauffage, de ventilation et de climatisation (HVAC). Tous ces systèmes sont évalués à différents niveaux d’abstraction. Il existe des concepts et des niveaux plus élevés de contrôle de la complexité, ainsi que des niveaux inférieurs et étroitement liés aux défis physiques.
Cela devient de plus en plus difficile
Les installations industrielles existantes sont caractérisées par une abondance de systèmes de conduction et des kilomètres de câbles. Ces réseaux sophistiqués garantissent un fonctionnement ininterrompu. Il existe des normes industrielles pour les réseaux numériques qui relient les appareils et les commutateurs, sécurisent les interfaces entre les réseaux et établissent la communication avec les salles de contrôle. Ces systèmes ont été spécialement conçus pour fonctionner dans des conditions défavorables. Avec l’arrivée de l’intelligence artificielle et de la connectivité numérique mondiale moderne dans l’industrie, ces nouveaux appareils intelligents doivent également pouvoir fonctionner dans des conditions extrêmes. L’IA est étroitement liée à l’Internet des objets industriel (IIoT) pour offrir une meilleure connexion sans fil et une meilleure connectivité entre les systèmes d’entreprise et Internet.
Tous ces nouveaux systèmes font face aux défis de la nature et à la force puissante des machines de production industrielle. Les installations industrielles peuvent être situées dans des endroits éloignés sans accès aux réseaux électriques. Imaginez travailler au milieu de la jungle, où vous n’arrivez que par une route improvisée. Vous devrez vous-même sécuriser l’alimentation électrique à l’aide de générateurs ou d’accumulateurs. Les conditions météorologiques peuvent être rudes ou froides; Il peut y avoir des gaz nocifs dans l’environnement qui corrodent les équipements électroniques ou les détruisent par explosion. Cependant, la chaleur et le froid peuvent tous deux être d’origine naturelle en raison de certains processus de production. La fusion et la congélation des produits font souvent partie du cycle de production. Une grande partie du travail est mécanique. Certaines pièces se déplacent à grande vitesse. Certaines machines génèrent des vibrations et des chocs. L’intelligence artificielle est actuellement confrontée à ces défis physiques principalement en ce qui concerne les machines robotiques et les réseaux IIoT.
Les robots sont partout
Les robots sont un défi complexe. Ils doivent faire leurs devoirs et déménager là où ils sont requis. Pour y parvenir sans avoir besoin d’interagir avec l’homme, ce robot doit disposer d’une IA (un cerveau) capable de fournir une autonomie. Cependant, nous nous souvenons tous de la défaillance des robots lors des opérations de démantèlement des centrales nucléaires. Dans ces cas, le problème était dû au rayonnement détruisant son électronique. Par conséquent, il est évident qu’un cerveau blindé est nécessaire. De plus, la communication avec le monde extérieur devient difficile. En cas de rayonnement intense, toute communication sans fil ou filaire est un défi de taille.
Cependant, des défis dans l’utilisation de l’intelligence industrielle artificielle apparaissent non seulement dans les cas où le caractère redoutable des réactions de désintégration nucléaire se manifeste, mais aussi lors de l’exploration des grands fonds marins ou dans l’industrie minière. Ces dernières activités sont également assez complexes. En raison du manque d’infrastructure complète, d’une source d’énergie fixe ou d’un accès Internet, vous devez adapter les meilleures pratiques existantes pour la transition vers les technologies numériques et l’utilisation du big data.
Vous ne rencontrerez peut-être pas des exemples aussi extrêmes dans les processus de production des installations que vous fréquentez quotidiennement, mais vous rencontrerez sûrement des situations complexes de même nature. Tout processus de production industrielle est entouré d’environnements et de machines générant des risques. Et pourtant, l’armée de robots autonomes ou prêts à devenir autonomes grandit chaque jour.
Il existe déjà des mains robotisées, des moyens de transport robotisés et des terres autonomes, des submersibles et des areos pour toutes sortes de tâches. Ces moyens de transport sont classés en: dirigeables automatiques, sol sans pilote, véhicules tout-terrain sans pilote, sous-marins sans pilote, sous-marins télécommandés, camions à benne basculante autonomes, tracteurs de carrière autonomes ou camions à benne basculante, et véhicules aériens sans pilote ou drones.
Pour une meilleure efficacité et de plus grandes économies, ces robots peuvent prendre différentes formes. Et ils peuvent effectuer des tâches qui ne sont pas disponibles pour les travailleurs. Même si ces tâches sont simplement des quarts de travail plus longs. Ils peuvent également fonctionner dans des conditions plus défavorables. De plus, ces machines sont capables d’effectuer une inspection n’importe où et n’importe quand lorsque cela est nécessaire.
Et tout sera connecté
La deuxième application majeure de l’intelligence artificielle est l’agrégation et l’agrégation de données à l’échelle de l’entreprise. Toutes les données collectées à partir des capteurs seront stockées dans un seul lac de données. Avec l’aide de l’IIoT, un réseau peut être créé qui se comporte comme un organisme vivant. Dans ce réseau, les connexions sans fil et filaires dédiées à la transmission de données font face à un environnement physique. Les câbles, commutateurs, routeurs et passerelles doivent être stables. Ils doivent pouvoir résister à la poussière, aux vibrations, au brouillard et à l’eau, ainsi qu’à l’impact de substances et de phénomènes physiques plus dangereux et nocifs. Ils doivent être fiables et capables de fonctionner pendant des années sans l’assistance du personnel de maintenance technique.
La nouvelle intelligence artificielle industrielle est également confrontée au problème de l’intégration d’un point de vue sécuritaire. De nombreux systèmes traditionnels ont fonctionné pendant des années tout en conservant un ajustement très précis. Ces systèmes offrent des solutions avec de très bonnes performances dans les conditions extrêmes dans lesquelles ils se trouvent. Les processus d’optimisation de ces systèmes se poursuivent depuis plusieurs années. La nouvelle IA industrielle ne doit donc pas remettre en cause cet équilibre atteint. Une autre préoccupation est la sécurité des données et des opérations en général. Une fois que les installations industrielles se connectent au réseau Internet mondial, les pirates informatiques ont théoriquement la possibilité d’accéder à leurs systèmes. Et comme les valeurs et les investissements sont très élevés dans l’industrie lourde, cette situation devient une autre condition extrême.
Les données existantes sont incorrectes et corrompues
Lors de l’ajustement de l’IA industrielle, il y a des problèmes liés aux sources de données pour faire des recommandations et des prévisions intelligentes. Dans le contexte industriel, la plupart des données requises sont des séries chronologiques et des données obtenues dans des conditions défavorables. Cela signifie que certains points de données isolés peuvent manquer de fiabilité. Les capteurs peuvent également transmettre des valeurs inexactes en raison des conditions environnementales.
Vous pouvez parler des trois B du big data industriel. Et lors de la réalisation d’un nouveau projet d’IA industrielle, il est nécessaire de prendre en compte ces aspects.
Le premier B signifie mauvais (mauvais). La plupart des données industrielles ont une valeur physique claire. Ces données proviennent de la multitude de capteurs qui enregistrent l’air, les flux ou la vitesse de déplacement. Toutes sortes de bruits, d’humidité, de fuites ou de niveaux sont détectés. Le volume de données liées aux mouvements, par exemple, peut atteindre des centaines de téraoctets par jour. En raison de mesures physiques, toutes ces données peuvent être de mauvaise qualité. Par rapport aux données collectées dans les systèmes numériques, telles que les données d’achat en ligne et les données clients, ces données nécessitent un nettoyage approfondi avant d’être utilisées. De plus, il est difficile d’augmenter la qualité grâce à la quantité de données.
Le deuxième B signifie endommagé (cassé). Les données utilisées pour entraîner les modèles d’IA, créées pour fournir des prédictions et des recommandations, ne reflètent pas clairement les états de fonctionnalité. Les régimes de défaillance ou les niveaux supérieurs d’abstraction des données indiquant les conditions de fonctionnement ne sont pas présentés. Ce fait peut conduire à un nombre élevé de résultats faux positifs et négatifs dans la mise en œuvre d’un système d’IA.
Le troisième et dernier B est l’expérience (Contexte). Dans un environnement industriel complexe, l’interprétation des données des capteurs nécessite des spécialistes possédant une vaste expérience dans ce domaine. Les modèles émergents peuvent être assez transitoires, c’est pourquoi des connaissances spéciales sont nécessaires pour leur interprétation. Il est extrêmement difficile de former l’IA en se basant exclusivement sur les données numériques collectées.
Résoudre les défis physiques
En ce qui concerne les défis indiqués auxquels l’IA industrielle est confrontée, l’une des façons de commencer est de comprendre la particularité des opérations industrielles. Il est nécessaire de se concentrer non pas sur les solutions d’IA existantes, mais sur les solutions industrielles existantes. Le marché IIoT dispose déjà de composants et d’appareils capables de fonctionner dans des conditions extrêmes. Étant donné que de nombreux capteurs sont disponibles dans les installations existantes, la collecte de données se fait au niveau des systèmes de contrôle actuels. Les données sont fournies par des systèmes SCADA, des robots et des machines industrielles. Alors que les passerelles IIoT fournissent les données aux systèmes d’IA. Ces passerelles supplémentaires n’interfèrent pas avec les systèmes de contrôle existants.
Le talent est l’un des facteurs les plus importants dans la transition numérique. La coopération avec des experts en la matière est la bonne façon de réduire les coûts et de gérer de nouveaux réseaux. Ces spécialistes doivent connaître les particularités de l’industrie et de l’IA. Ils aident à sélectionner les concepts et le matériel approprié.
Sélection correcte dans la distribution AI
Les conditions extrêmes ne se limitent pas seulement à des circonstances physiquement complexes, mais aussi au manque de ressources qui abondent dans d’autres branches. Des concepts spécifiques doivent être développés en fonction des problèmes d’alimentation électrique, d’infrastructure de réseau et de connectivité Internet. Lorsque la connectivité est instable et peu fiable, des solutions qui ne dépendent pas d’une connexion réseau continue doivent être sélectionnées. Il existe des solutions IIoT qui utilisent l’énergie électrique d’accumulateurs à ultra basse consommation, qui ont une durée de vie de plusieurs années. Informatique périphérique (informatique de pointe) fournit le raisonnement et l’agrégation de l’IA directement dans les appareils; par conséquent, il n’y a pas besoin d’une connectivité ininterrompue avec les systèmes de centre de données.
L’IA fonctionnera dans des conditions extrêmes lorsque la conception de l’infrastructure IIoT est bonne. Il est nécessaire de clarifier les différences entre l’IoT et l’IIoT. Bien que l’IoT et l’IIoT partagent leurs objectifs, les principales exigences de la stratégie de mise en œuvre diffèrent considérablement. En raison de problèmes de connectivité et d’alimentation électrique, l’IIoT doit se concentrer davantage sur la fiabilité et la tolérance aux pannes.
Image de Depositphotos
